49
tenanalyse
(HKA), die exakt das macht, was
ihr Name verspricht: Sie extrahiert aus einer
Vielzahl von unterschiedlichen – aber doch mit-
einander verwandten – Preisen die dahinterlie-
genden
Kernrisikotreiber
, die sogenannten
Hauptkomponenten (oder: Hauptfaktoren). Das
konkrete Ziel einer HKA ist es, wenige, vonein-
ander unabhängige statistische Faktoren zu er-
mitteln, die die oben genannten Preise insge-
samt möglichst gut beschreiben (siehe Metho-
denbox 1).
Im vorliegenden Fall werden rd. 96% der Vola-
tilitäten aller Preise durch nur zwei Hauptfakto-
ren beschrieben. Abbildung 4 zeigt die extra-
hierten Hauptfaktoren. Allein der optische Ver-
lauf legt nahe, dass der erste Kernrisikofaktor
ein gebündelter, allgemeiner Treiber des Öl-
marktes ist und der zweite Kernrisikofaktor die
entsprechenden Agrarmarkteinflüsse inklusive
ihrer Zyklik vereint. Ein Nachteil der HKA ist,
dass die Skala der Hauptfaktoren selbst nicht
interpretierbar ist, da standardisierte Inputda-
ten zu verwenden sind. Die Restvolatilitäten (U)
der einzelnen Preiszeitreihen, die nicht durch
die allgemeinen Ölmarkt- und Agrarmarkttrei-
ber erklärt werden können, werden im Weiteren
als die produktspezifischen Schocks des Wei-
zen-, Raps-, Diesel- und Benzinmarktes inter-
pretiert, die zusätzlich zu den allgemeinen Öl-
markt- und Agrarmarkttreibern auf die einzel-
nen Preise einwirken.
Bereits hier wird deutlich, dass mit wenigen
Kernrisikotreibern (zwei) eine größere Zahl an
unternehmensrelevanten Preisrisikofaktoren
(fünf) konsistent zueinander beschrieben wer-
den kann.
Dieser Nutzen nimmt mit höherer
Anzahl an Preisen (oder auch anderen Risi-
kofaktoren) zu.
Eine technische Anmerkung zur Ermittlung der
Preiszusammenhänge sei erwähnt: Hohe Kor-
relationen, wie in der Abbildung 3, könnten bei
Zeitreihen mit starken Trends – wie hier vorlie-
gend – ggf. auch Scheinkorrelationen sein. Für
die angewandte HKA, die die Mineralöl- und
Agrarpreiszusammenhänge erfasst, spricht in
diesem Zusammenhang, dass diese etwas ro-
buster gegen solche mögliche langfristigen
„spurious correlations“ sein sollte,
und daher
mehr Sicherheit für die Schätzung der Zu-
sammenhänge bietet.
4
Kernrisikofaktoren für die Planung
und für Szenarienanalysen
fortschreiben …
Die Erkenntnis, dass nur zwei Kernrisikotreiber
erforderlich sind, um die Entwicklung der rele-
vanten Öl- und des Agrarmarktpreise im Um-
feld des Unternehmens zu beschreiben, lässt
sich jetzt auch für Planungs- und Szenarien-
analysen nutzbar machen. Eine strukturelle
Analyse (möglichst unter Einbindung der Ein-
kaufs- und Vertriebserfahrungen im Unterneh-
men) ist ein nächster Schritt und ermöglicht
die ökonomische Fortschreibung der Kernrisi-
kotreiber: Welche Angebots- und Nachfragein-
dikatoren beeinflussen die jeweiligen Haupt-
Abb. 3: Preiskorrelationen
Abb. 4: Kernrisikotreiber Biofuel-Unternehmen
Ͳ1
0
1
2
3
4
1. HK ("Ölmarkt")
2. HK ("Agrarmarkt")
Ͳ4
Ͳ3
Ͳ2
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
CM März / April 2015
Abb. 2: Mineralöl- und Agrarproduktpreise in Euro/t
ϯϬϬ
ϰϬϬ
ϱϬϬ
ϲϬϬ
ϳϬϬ
ϴϬϬ
ϵϬϬ
ZĂƉƐƐĂĂƚ
tĞŝnjĞŶ
ŝĞƐĞů
ĞŶnjŝŶ
ZŽŚƂů
Ͳ
ϭϬϬ
ϮϬϬ
ϮϬϬϯ ϮϬϬϰ ϮϬϬϱ ϮϬϬϲ ϮϬϬϳ ϮϬϬϴ ϮϬϬϵ ϮϬϭϬ ϮϬϭϭ ϮϬϭϮ ϮϬϭϯ
